<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[andeyeluguo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/andeyeluguo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; andeyeluguo]]></copyright><item><title><![CDATA[newapi教程]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/163674788</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/163674788</guid><author>andeyeluguo</author><pubDate>Tue, 11 Aug 2026 20:07:50 +0800</pubDate><description><![CDATA[pg_data是docker创建的一个卷，docker-compose down也不会消失，docker volume list可以查看，pg_datanew-api_pg_data自动给加了前缀new-api_pg_data。说明redis服务是在new-api-network网络，对外不暴露，还有postgres都是在该网络上，不必担心和其他的redis服务端口冲突。3. 模型这里实际模型和模型别名都要 加上。1. 需要填上实际的和模型别名，都要填。2.添加实际模型: 模型别名。4. 关于端口的担心。]]></description><category></category></item><item><title><![CDATA[claude code 使用]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/161090645</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/161090645</guid><author>andeyeluguo</author><pubDate>Thu, 14 May 2026 21:29:23 +0800</pubDate><description><![CDATA[在文件中添加一个字段 "hasCompletedOnboarding": true。或者会话里按 Shift+Tab，循环切换模式，切到 auto 就行。]]></description><category></category></item><item><title><![CDATA[训练的笔记]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/160480165</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/160480165</guid><author>andeyeluguo</author><pubDate>Fri, 24 Apr 2026 18:44:59 +0800</pubDate><description><![CDATA[【代码】训练的笔记。]]></description><category></category></item><item><title><![CDATA[glm-ocr 操作]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/160097795</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/160097795</guid><author>andeyeluguo</author><pubDate>Mon, 13 Apr 2026 08:58:14 +0800</pubDate><description><![CDATA[cd /app。]]></description><category></category></item><item><title><![CDATA[docker总结]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/160059429</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/160059429</guid><author>andeyeluguo</author><pubDate>Sat, 11 Apr 2026 20:26:00 +0800</pubDate><description><![CDATA[1. 报错加上。]]></description><category></category></item><item><title><![CDATA[好用的镜像]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/158385475</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/158385475</guid><author>andeyeluguo</author><pubDate>Wed, 25 Feb 2026 14:31:35 +0800</pubDate><description><![CDATA[1. hugginface下载问题。]]></description><category></category></item><item><title><![CDATA[mindie部署qwen3-8b]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/157399310</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/157399310</guid><author>andeyeluguo</author><pubDate>Mon, 26 Jan 2026 18:23:11 +0800</pubDate><description><![CDATA[2. 确认目录文件权限是否如下所示，若存在不匹配项，则参考以下命令修改权限。否则要stop容器之后重新start，重新从《以下是在容器中的操作》开始操作。ctrl +d 让命令停止之后，需要等待一段事件让其释放，否则还会有占用。1. 若安装路径为默认路径，执行如下命令，进入MindIE安装目录。# 配置CANN环境，默认安装在/usr/local目录下。3. 运行以下命令初始化各组件环境变量，并开启日志打印。如果报错，可能有些线程没法去除，删除容器重新操作。# 配置模型仓环境变量。以下是在容器中的操作。]]></description><category></category></item><item><title><![CDATA[ollama]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/157219172</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/157219172</guid><author>andeyeluguo</author><pubDate>Wed, 21 Jan 2026 17:15:11 +0800</pubDate><description><![CDATA[在资源管理器地址栏输入 %USERPROFILE%\.ollama。修改配置后，可以重启 Ollama 服务以确保配置生效。ollama.exe下载。]]></description><category></category></item><item><title><![CDATA[【python】Python文件读取中的换行符转换：你所需要知道的一切]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155647345</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155647345</guid><author>andeyeluguo</author><pubDate>Sat, 06 Dec 2025 20:57:13 +0800</pubDate><description><![CDATA[输出：'line1\nline2\nline3\n'  # 注意：最后可能也有换行符。如果file里面是\r\n的换行符，content是不是变成\n了?- 经典的 Mac OS 的 `\r` 也会被转换为 `\n`- 字符串中的 `\n` 会根据操作系统自动转换为对应的换行符。# 假设文件内容为：line1\r\nline2\r\nline3。- Windows 的 `\r\n` 会被转换为 `\n`**或者使用 `newline=''` 参数来禁用转换：**]]></description><category></category></item><item><title><![CDATA[图神经网络与大模型融合的理论综述：架构、机制与未来方向]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155578593</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155578593</guid><author>andeyeluguo</author><pubDate>Thu, 04 Dec 2025 20:24:16 +0800</pubDate><description><![CDATA[然而，它们普遍缺乏对图结构数据的原生支持，无法直接处理边、节点之间的拓扑关系，这限制了其在关系密集型任务中的表现 [23]。2020年发布的BERT [16] 开启了自监督预训练时代，而2021年后，T5 [17]、PaLM [18]、LLaMA [19] 等模型相继推出，参数规模突破千亿级，展现出惊人的上下文学习（In-context Learning）与链式推理（Chain-of-Thought）能力 [20]。例如，将医学影像作为图节点，结合病理报告文本，实现更精准的疾病诊断 [58]。]]></description><category></category></item><item><title><![CDATA[大模型与知识图谱融合下的知识补全技术研究综述]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155578156</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155578156</guid><author>andeyeluguo</author><pubDate>Thu, 04 Dec 2025 19:56:50 +0800</pubDate><description><![CDATA[随着人工智能技术的迅猛发展，大规模语言模型（Large Language Models, LLMs）与知识图谱（Knowledge Graphs, KGs）的融合已成为智能系统构建的核心方向。知识补全作为知识图谱增强的关键任务，旨在通过推理填补实体间缺失的关系或缺失的三元组。近年来，基于大模型的知识补全方法在准确性、泛化能力和上下文理解方面展现出显著优势。本文系统梳理了2021至2025年间大模型与知识图谱融合在知识补全领域的研究进展，从模型架构、融合机制、评估体系到应用场景等多个维度进行深入分析。]]></description><category></category></item><item><title><![CDATA[大模型在知识图谱中的应用：理论综述与前沿进展（2021–2025）]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155577920</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155577920</guid><author>andeyeluguo</author><pubDate>Thu, 04 Dec 2025 19:39:59 +0800</pubDate><description><![CDATA[随着大语言模型（Large Language Models, LLMs）的迅猛发展，其在自然语言理解、生成与推理任务中展现出卓越能力。与此同时，知识图谱（Knowledge Graphs, KGs）作为结构化知识表示的核心范式，在信息检索、智能问答和决策支持等领域发挥着关键作用。近年来，将大模型与知识图谱深度融合已成为人工智能研究的前沿方向。本文系统梳理了2021至2025年间大模型在知识图谱中的核心应用场景，包括知识抽取、知识补全、知识融合、推理增强与问答系统构建。]]></description><category></category></item><item><title><![CDATA[大模型与知识图谱融合的理论综述：进展、挑战与未来方向]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155577863</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155577863</guid><author>andeyeluguo</author><pubDate>Thu, 04 Dec 2025 19:35:18 +0800</pubDate><description><![CDATA[近年来，大语言模型（Large Language Models, LLMs）与知识图谱（Knowledge Graphs, KGs）的深度融合已成为人工智能领域的重要研究前沿。二者在语义理解、推理能力与结构化知识表达方面具有显著互补性。本文系统梳理了2021至2025年间关于大模型与知识图谱融合的核心研究进展，涵盖集成架构、关键技术方法、典型应用场景及现存挑战。]]></description><category></category></item><item><title><![CDATA[BM25的简单计算实例]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155542722</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155542722</guid><author>andeyeluguo</author><pubDate>Wed, 03 Dec 2025 22:36:38 +0800</pubDate><description><![CDATA[text{TF 部分} = \frac{1 \times (1.2+1)}{1 + 1.2 \times \left(1 - 0.75 + 0.75 \times \frac{4}{4.667}\right)}所以 ( 1 - b + b \cdot \frac{|D|}{\text{avgdl}} \approx 0.25 + 0.64275 = 0.89275 )D2 只包含一个词，得分最低。乘以 IDF(手机)：( 0.8954 \times 0.4700 \approx 0.4208 )]]></description><category></category></item><item><title><![CDATA[TF-IDF的计算过程和搜索过程]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155542284</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155542284</guid><author>andeyeluguo</author><pubDate>Wed, 03 Dec 2025 22:12:38 +0800</pubDate><description><![CDATA[原始文档 → 分词清洗 → 计算TF-IDF矩阵 → 存储文档向量。]]></description><category></category></item><item><title><![CDATA[Word2Vec：理论综述与最新研究进展]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504377</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504377</guid><author>andeyeluguo</author><pubDate>Tue, 02 Dec 2025 22:40:44 +0800</pubDate><description><![CDATA[Word2Vec作为自然语言处理（NLP）领域中最具影响力的词嵌入模型之一，自2013年由Mikolov等人提出以来，持续推动着语义表示学习的发展。本文系统梳理了2020至2024年间关于Word2Vec的理论演进、技术改进、应用拓展及与其他嵌入模型的对比研究。基于对近五年内高被引文献的综合分析，本文从模型架构、训练机制、局限性、融合策略与跨领域应用五个维度展开论述，揭示其在大语言模型（LLM）时代仍具重要价值，并为后续研究提供理论框架与实践参考。]]></description><category></category></item><item><title><![CDATA[词袋模型在自然语言处理中的理论演进与应用研究：一项系统性综述]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504234</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504234</guid><author>andeyeluguo</author><pubDate>Tue, 02 Dec 2025 22:28:09 +0800</pubDate><description><![CDATA[词袋（Bag of Words, BoW）模型作为自然语言处理（Natural Language Processing, NLP）中最基础且最具影响力的文本表示方法之一，自20世纪末以来持续影响着信息检索、文本分类与情感分析等核心任务。尽管近年来以BERT为代表的深度上下文嵌入模型在性能上实现了显著超越，但BoW模型因其计算效率高、解释性强及可扩展性佳，在特定场景中仍具不可替代的价值。]]></description><category></category></item><item><title><![CDATA[BM25及其优化技术的理论综述：从经典信息检索到智能增强系统]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504063</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155504063</guid><author>andeyeluguo</author><pubDate>Tue, 02 Dec 2025 22:12:20 +0800</pubDate><description><![CDATA[摘要： 本文综述了BM25模型在信息检索领域的核心地位及其优化进展。作为经典的TF-IDF扩展模型，BM25凭借非线性词频饱和机制在排序性能上表现优异，广泛应用于搜索引擎、问答系统等领域。然而，其稀疏表示与语义理解的局限性促使研究者提出多种优化路径，包括查询扩展、混合稀疏-密集架构、神经参数优化及与大语言模型（LLM）的协同增强。研究表明，尽管密集检索在精度上超越传统方法，但优化后的BM25在资源受限场景中仍具竞争力，尤其在结合上下文感知与领域适配后展现出强大实用性。未来方向包括自适应参数调优、多模态融合与]]></description><category></category></item><item><title><![CDATA[检索增强生成（Retrieval-Augmented Generation, RAG）的理论综述：演进、架构范式与未来方向]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155503737</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155503737</guid><author>andeyeluguo</author><pubDate>Tue, 02 Dec 2025 22:01:15 +0800</pubDate><description><![CDATA[检索增强生成（Retrieval-Augmented Generation, RAG）作为大语言模型（Large Language Models, LLMs）与外部知识库融合的关键技术，近年来在自然语言处理、智能问答、知识密集型任务中展现出显著优势。本文系统梳理了RAG的发展脉络，从其基本原理出发，深入剖析其核心架构范式——朴素RAG、高级RAG与模块化RAG，并对当前主流评估体系与基准测试进行批判性分析。]]></description><category></category></item><item><title><![CDATA[量子操作系统：架构、挑战与未来展望]]></title><link>https://blog.youkuaiyun.com/andeyeluguo/article/details/155467783</link><guid>https://blog.youkuaiyun.com/andeyeluguo/article/details/155467783</guid><author>andeyeluguo</author><pubDate>Mon, 01 Dec 2025 23:07:36 +0800</pubDate><description><![CDATA[随着量子计算从理论走向实践，构建能够有效管理和调度量子硬件资源的软件栈已成为该领域发展的关键瓶颈。作为连接量子硬件与上层应用的桥梁，量子操作系统（Quantum Operating System, QOS）的研究正日益受到学术界与工业界的关注。本文旨在对量子操作系统这一新兴领域进行全面的理论综述。我们首先阐述了量子操作系统的基本概念、核心目标及其与经典操作系统的根本性差异；其次，系统性地梳理了当前主流的量子操作系统架构范式，包括分层模型、微内核设计以及面向网络化量子节点的操作系统；]]></description><category></category></item></channel></rss>